Sekä ohjelmistovaihtoehdoissa että teoreettisissa konsepteissa käytetään erilaisia tiedonlouhintamenetelmiä. Niiden avulla käyttäjät voivat poimia tietoja yksilöiden ja yritysten keräämistä tiedoista käyttämällä erilaisia työkaluja. Suuria tietomääriä voidaan käyttää eri tekijöiden määrittämiseen yhdestä aiheesta tai eri aiheista. Näitä tiedonlouhintamenetelmiä käytetään yleisimmin petosten suojaamisen, markkinoinnin ja valvonnan aloilla.
Satoja vuosia tiedonlouhintamenetelmiä on käytetty tietojen keräämiseen aiheista. Nykyaikaiset tekniikat käyttävät kuitenkin automatisoituja konsepteja tarjotakseen merkittävää tietoa tietokonepohjaisten resurssien kautta. Tietojenkäsittelytieteen kehittyessä 20 -luvulla tiedon louhintamenetelmien käsite kehitettiin pyrkiessään voittamaan piilotetut mallit suurissa kerättävissä tiedoissa. Hyvä esimerkki tästä on, kun mainostoimisto analysoi online -asiakkaan ostosmalleja. Tämä yritys voi sitten markkinoida tiettyjä tuotteita, joita henkilö voi olla kiinnostunut ostamaan.
Yksi alalla yleisesti käytetty tiedonlouhintatekniikka on nimeltään Knowledge Discovery in Databases (KDD). Gregory Piatetsky-Shapiron vuonna 1989 kehittämän KDD: n avulla käyttäjät voivat käsitellä raakatietoja, analysoida tarvittavia tietoja ja tulkita tuloksia. Tämän menetelmän avulla käyttäjät voivat löytää malleja algoritmeista, mutta yleiset tiedot eivät aina ole tarkkoja ja ne voidaan koota kompromissitavoilla. Tätä kutsutaan ylikuormitukseksi.
Perusdatan louhintamenetelmiin kuuluu neljä erityyppistä tehtävää: luokittelu, ryhmittely, regressio ja yhdistäminen. Luokittelu ottaa olemassa olevat tiedot ja yhdistää ne määriteltyihin ryhmiin. Klusterointi poistaa määritellyt ryhmitykset ja sallii tietojen luokitella itsensä samanlaisten kohteiden mukaan. Regressio keskittyy tiedon toimintaan mallinnamalla käsitteen tiedot. Lopullinen tiedonlouhintamenetelmä, yhdistäminen, yrittää löytää suhteita eri datasyötteiden välillä.
Kun käytetään erilaisia tiedonlouhintamenetelmiä, tiettyjä standardeja käytetään määrittämään, mitä parametreja voidaan käyttää prosessissa. Computing Machinery Associationin tiedonhankinnan ja tiedonlouhinnan erityisryhmä (SIGKDD) pitää vuosittain kokouksen, jossa määritetään sopivat prosessit. Eettisiä tekijöitä punnitaan yhdessä käytännön sovellusten kanssa löytääkseen parhaan tiedon henkilöistä ja yrityksistä. Nämä tiedot julkaistaan toimialalehdessä nimeltä SIGKDD Explorations.